科學家開發出一種人工神經網路，可以識別高度複雜和嘈雜的信息

加州理工學院的研究人員開發了一種由DNA製成的人工神經網路，可以解決經典的機器學習問題：正確識別手寫數字。這項工作是證明將人工智慧編入合成生物分子電路的能力的重要一步。

這項工作是在生物工程助理教授Lulu Qian的實驗室完成的。一篇描述該研究的論文發表在7月4日和7月19日出版的「 自然 」雜誌上。

「雖然科學家們剛剛開始探索在分子機器中創造人工智慧，但其潛力已經不可否認，」錢說。「類似於電子計算機和智能手機如何使人類比一百年前更有能力，人造分子機器可以製造所有由分子組成的物體，可能包括油漆和繃帶，在百年中更有能力和更環保的環境來吧。「

人工神經網路是受人類大腦啟發的數學模型。儘管與其生物學對應物相比被大大簡化，但人工神經網路的功能類似於神經元網路並且能夠處理複雜信息。錢實驗室這項工作的最終目標是利用DNA製作的人工神經網路對智能行為（計算，做出選擇等的能力）進行編程。

「人類每個人的大腦中都有超過800億個神經元，他們做出了非常複雜的決定。較小的動物如蛔蟲可以使用幾百個神經元做出更簡單的決定。在這項工作中，我們設計並創造了像一個小的神經元網路對分子信息進行分類比以前更加複雜，「錢說。

為了說明基於DNA的神經網路的能力，錢實驗室研究生Kevin Cherry選擇了一項任務，這是電子人工神經網路的一個經典挑戰：識別手寫。

人類手寫可以有很大的不同，因此當一個人仔細檢查一個潦草的數字序列時，大腦會執行複雜的計算任務以識別它們。因為即使是人類也難以識別其他人的潦草書寫，識別手寫數字是將智能編程到人工神經網路中的常見測試。必須「教導」這些網路如何識別數字，考慮手寫的變化，然後將未知數字與其所謂的記憶進行比較並確定數字的身份。

在Nature論文中描述的作品中，作為論文的第一作者，Cherry表明，由精心設計的DNA序列製成的神經網路可以進行規定的化學反應，以準確識別「分子手寫」。與幾何形狀不同的視覺手寫不同，分子手寫的每個例子實際上都不是數字的形狀。相反，每個分子數由20個獨特的DNA鏈組成，這些DNA鏈選自100個分子，每個分子代表任何10×10模式的單個像素。將這些DNA鏈在試管中混合在一起。

「缺乏幾何形狀在自然分子特徵中並不少見，但仍然需要複雜的生物神經網路來識別它們：例如，獨特氣味分子的混合物包含氣味，」錢說。

給定分子手寫的特定示例，DNA神經網路可以將其分類為多達九個類別，每個類別代表從1到9的九個可能的手寫數字中的一個。

首先，Cherry構建了一個DNA神經網路來區分手寫的6s和7s。他測試了36個手寫數字，並且試管神經網路正確識別了所有這些數字。他的系統理論上能夠將超過12,000個手寫6和7的分類 - 這些數字的90％從手機編號廣泛用於機器學習的資料庫 - 分為兩種可能性。

這個過程的關鍵是使用由Qian和Cherry開發的DNA分子編碼「贏得所有人」的競爭策略。在該策略中，在確定未知數字的身份時，使用被稱為殲滅者的特定類型的DNA分子來選擇獲勝者。

「殲滅者與來自一個競爭者的一個分子和來自不同競爭者的一個分子形成一個複合物，並反應形成惰性的，非反應性的物種，」Cherry說。「殲滅者迅速吞噬所有競爭對手的分子，直到只剩下一個競爭對手的物種。然後，獲勝的競爭對手恢復到高濃度併產生熒光信號，表明網路的決定。」

接下來，Cherry建立在他的第一個DNA神經網路的原理上，開發一個更複雜的，一個可以分類1到9的單個數字。當給出一個未知數字時，這個「聰明的湯」會經歷一系列的反應和輸出兩個熒光信號，例如，綠色和黃色代表5，或綠色和紅色代表9。

Qian和Cherry計劃開發人工神經網路，可以從添加到試管中的實例中學習，形成「記憶」。這樣，錢說，可以訓練同樣的智能湯來執行不同的任務。

「常見的醫學診斷檢測到一些生物分子的存在，例如膽固醇或血糖。」 櫻桃說。「使用像我們這樣更複雜的生物分子電路，診斷測試有一天可能包含數百種生物分子，分析和響應直接在分子環境中進行。」

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！